INTRODUCTION: Metabolic dysfunction-associated steatotic liver disease (MASLD) affects up to 30% of the global population and drives progression to fibrosis, cirrhosis, and liver cancer, yet early-stage identification remains limited by subjective histopathology and low-sensitivity imaging. We aimed to develop and validate a deep learning model integrating Transformer and Residual Network architectures using digital histopathology images of human liver biopsies for MASLD-related fibrosis staging and identification of pathological phenotypes associated with advanced fibrosis, with interpretabil
СтатьяВалидационное исследованиеПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To develop and validate a deep learning model for interpretation of fluorescence confocal microscopy (FCM) images for intraoperative surgical margin assessment during radical prostatectomy (RP).
PATIENTS AND METHODS: Fluorescence confocal microscopy images from the multicentre Imperial Prostate 8-Fluorescence Confocal Microscopy for Rapid Evaluation of Surgical Cancer Excision (IP8-FLUORESCE) study were used to train and test a convolutional neural network model. The modified model incorporated focal loss with label smoothing, dropout regularisation, adaptive class weighting, and w
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: The integration of deep learning in medical imaging has reached proficiency levels akin to expert clinicians, particularly in tasks requiring precise image categorization.
OBJECTIVE: This study developed KD-SqueezeNet, a lightweight deep learning model, to classify neonatal lung diseases via chest radiographs, aiming to enhance diagnostic accuracy and efficiency.
MATERIALS AND METHODS: Retrospective analysis included 2,089 neonates with clinical and imaging records. Chest radiographs were categorized into five groups: bronchopulmonary dysplasia (group 1, n=205), pneumonia (group
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery2026eng
BACKGROUND: Laryngeal cancer is a significant global health issue with high mortality, and early diagnosis is critical for survival. Developing accurate diagnostic models for laryngoscopy can reduce potential repeated biopsies and lessen the patient burden, representing an urgent clinical need. However, existing artificial intelligence models often function as black boxes and are trained on single, pre-selected images, which does not reflect the clinical workflow where multiple images are assessed.
METHODS: We conducted a retrospective study on 611 patients who underwent white light endoscopy
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Artificial intelligence (AI) is revolutionizing the field of gastrointestinal (GI) endoscopy, a technology that relies heavily on images and optical data. Precancerous lesions and early cancers of the GI tract can be subtle and easily missed even on high-definition endoscopy and chromoendoscopy. The advancements in machine learning and deep learning led to the development of computer-aided models of high performance in image analysis. The convolutional neural networks of these models are trained to analyze large datasets of endoscopic images through the supervised learning approach. Their util
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Inflammatory bowel disease (IBD), including Crohn's disease (CD) and ulcerative colitis (UC), is challenging to diagnose accurately from pathological images due to its complex histological features. This study aims to develop an artificial intelligence (AI) model, IBDAIM, to assist pathologists in quickly and accurately diagnosing IBD by analyzing whole-slide images (WSIs) of intestinal biopsies.
METHODS: This retrospective cohort study used data from two institutions, Nanjing Drum Tower Hospital (NDTH) and Zhujiang Hospital (ZJH). The NDTH dataset was randomly divided into a mode
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Non-alcoholic fatty liver disease (NAFLD) is a highly prevalent chronic liver condition characterized by excessive hepatic fat accumulation. Early diagnosis is crucial as NAFLD can progress to more severe conditions like steatohepatitis, fibrosis, cirrhosis, and hepatocellular carcinoma without timely intervention. While liver biopsy remains the gold standard for NAFLD assessment, abdominal ultrasound (US) imaging has emerged as a widely adopted non-invasive modality due to convenience and low cost. However, the subjective interpretation of US images is challenging and unpredictable. This stud
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Discrete wavelet transforms have been applied in many machine learning models for the analysis of COVID-19; however, little is known about the impact of combined multilevel wavelet decompositions for the disease identification. This study proposes a computer-aided diagnosis system for addressing the combined multilevel effects of multiscale radiomic features on multiclass COVID-19 classification using chest X-ray images. A two-level discrete wavelet transform was applied to an optimal region of interest to obtain multiscale decompositions. Both approximation and detail coefficients were extens
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: The clinical application of artificial intelligence (AI) models based on breast ultrasound static images has been hindered in real-world workflows due to operator-dependence of standardized image acquisition and incomplete view of breast lesions on static images. To better exploit the real-time advantages of ultrasound and more conducive to clinical application, we proposed a whole-lesion-aware network based on freehand ultrasound video (WAUVE) scanning in an arbitrary direction for predicting overall breast cancer risk score.
METHODS: The WAUVE was developed using 2912 videos (29
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Pneumonia detection in chest X-rays (CXR) increasingly relies on AI-driven diagnostic systems. However, their "black-box" nature often lacks transparency, underscoring the need for interpretability to improve patient outcomes. This study presents the first application of the Deformable Prototypical Part Network (D-ProtoPNet), an ante-hoc interpretable deep learning (DL) model, for pneumonia classification in pediatric patients' CXR images. Clinical insights were integrated through expert radiologist evaluation of the model's learned prototypes and activated image patches, ensuring
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Arterial thoracic outlet syndrome (aTOS) is a rare condition, but if undiagnosed, it can have serious consequences for affected patients, up to and including limb loss. Ultrasound could be used here as a widely available method for screening, but it is said to have very high investigator dependence. The fact that ultrasound can be used safely for diagnostic purposes has already been demonstrated. The aim of this study was to evaluate the repeatability of a standardized examination for the diagnosis of aTOS.We recruited inpatients with high-grade suspected arterial thoracic outlet syndrome who
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Background Generative artificial intelligence (AI) is anticipated to alter radiology workflows, requiring a clinical value assessment for frequent examinations like chest radiograph interpretation. Purpose To develop and evaluate the diagnostic accuracy and clinical value of a domain-specific multimodal generative AI model for providing preliminary interpretations of chest radiographs. Materials and Methods For training, consecutive radiograph-report pairs from frontal chest radiography were retrospectively collected from 42 hospitals (2005-2023). The trained domain-specific AI model generated
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: This study aims to construct a low-cost echocardiographic myocardial texture-based screening model to identify patients with myocardial fibrosis and filter out non-fibrosis patients, reducing unneeded contrast use and offering an efficient screening method for resource-limited hospitals.
METHODS: This study enrolled 149 patients with hypertrophic cardiomyopathy (HCM), 105 (70%) of whom were late gadolinium enhancement (LGE) positive. Using stratified random sampling, we divided the patients into training and test sets at a 6:4 ratio. Logistic regression was subsequently used to ide
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The diagnostic assessment of thyroid nodules is hampered by the persistence of uncertainty in borderline cases and further complicated by the inclusion of noninvasive follicular tumor with papillary-like nuclear features (NIFTP) as a less aggressive alternative to papillary thyroid carcinoma (PTC). In this setting, computational methods might facilitate the diagnostic process by unmasking key nuclear characteristics of NIFTP. The main aims of this work were to (1) identify morphometric features of NIFTP and PTC that are interpretable for the human eye and (2) develop a deep learning model for
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Papillary thyroid carcinoma (PTC) is one of the most common, well-differentiated carcinomas of the thyroid gland. PTC nodules are often surrounded by a collagen capsule that prevents the spread of cancer cells. However, as the malignant tumor progresses, the integrity of this protective barrier is compromised, and cancer cells invade the surroundings. The detection of capsular invasion is, therefore, crucial for the diagnosis and the choice of treatment and the development of new approaches aimed at the increase of diagnostic performance are of great importance. In the present study, we exploi
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Purpose To investigate the issues of generalizability and replication of deep learning models by assessing performance of a screening mammography deep learning system developed at New York University (NYU) on a local Australian dataset. Materials and Methods In this retrospective study, all individuals with biopsy or surgical pathology-proven lesions and age-matched controls were identified from a South Australian public mammography screening program (January 2010 to December 2016). The primary outcome was deep learning system performance-measured with area under the receiver operating charact
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: There is increasing evidence of a link between Epstein-Barr virus (EBV) and gastrointestinal cancers, particularly in immunocompromised patients and those on thiopurines. Traditional endoscopic techniques have limitations in diagnosing EBV, whereas standard methods for diagnosing EBV have practical challenges in regular clinical settings related to their invasiveness and high costs.
METHODS: An explainable AI (XAI) model was developed to analyze 1598 endoscopic images from 287 patients with inflammatory bowel disease (IBD), with a focus on detecting EBV infection. Following the ap
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Fetal growth restriction (FGR) is a condition where fetuses fail to reach their genetic potential for growth, posing a significant health challenge for newborns. The aim of this research was to explore the efficacy of texture-based analysis of neurosonographic images in identifying FGR in fetuses, which may provide a promising tool for early assessment of FGR.
METHODS: A retrospective analysis collected 100 intrauterine neurosonographic images from 50 FGR and 50 gestational age-appropriate fetuses. Using MaZda software, approximately 300 texture features were extracted from occipit
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Toxoplasma gondii is an obligate intracellular parasite infecting up to one third of the human population. The central event in the pathogenesis of toxoplasmosis is the conversion of tachyzoites into encysted bradyzoites. A novel approach to analyze the structure of in vivo-derived tissue cysts may be the increasingly used computational image analysis. The objective of this study was to quantify the geometrical complexity of T. gondii cysts by morphological, particle, and fractal analysis, as well as to determine if it is impacted by parasite strain, cyst age, and host type. A total of 31 imag
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Optical coherence tomography (OCT) and OCT angiography (OCTA) have been a technological breakthrough in the diagnosis, treatment, and follow-up of many retinal diseases, thanks to its resolution and its ability to inform of the retinal state in seconds, which gives relevant information about retinal degeneration. In this review, we present an immunohistochemical description of the human and mice retina and we correlate it with the OCT bands in health and pathological conditions. Here, we propose an interpretation of the four outer hyperreflective OCT bands with a correspondence to retinal hist
СтатьяПоддержка исследования: вне правительства СШАОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования